Tipos de otimização Dois tipos de otimização estão disponíveis no testador. Você pode selecionar o apropriado na guia Configurações do Testador de Estratégia. Algoritmo Lento Completo Neste modo, execuções de otimização são executadas para todas as combinações possíveis de valores de variáveis de entrada selecionadas na guia apropriada. Este método é o mais preciso. No entanto, executar o Expert Advisor com todas as combinações possíveis leva muito tempo. Algoritmo Genético Rápido Este tipo de otimização baseia-se no algoritmo genético de busca dos melhores valores de parâmetros de entrada. Este tipo é muito mais rápido do que o primeiro e é quase da mesma qualidade. A otimização completa lenta que levaria vários anos pode ser realizada dentro de várias horas usando o algoritmo genético. Cada indivíduo tem um conjunto específico de genes que corresponde ao conjunto de seus parâmetros. A otimização genética é baseada na seleção constante dos parâmetros quotadaptedquot (valores que dão o melhor resultado). Na forma geral, o algoritmo pode ser representado da seguinte maneira: A partir do número total de todas as combinações possíveis de parâmetros, duas populações (conjuntos) são selecionados por uma amostra aleatória. Ambos os conjuntos são testados e o que apresenta os melhores resultados O critério de otimização) é deixado Os membros do conjunto são aleatoriamente cruzados uns com os outros, passando por mutações aleatórias e inversões de parâmetros Os descendentes são classificados pelos melhores resultados, e cruzando repetições Triagem e cruzamento operações são repetidas, enquanto há melhoria dos resultados (O melhor resultado entre os descendentes é melhor do que o melhor entre os pais). Se os valores do critério de otimização não forem melhorados durante vários cruzamentos (gerações), o processo de otimização será concluído. Número de testes executados Durante a otimização genética, o número de testes é muito menor, o que proporciona rapidez de otimização. Após o início da otimização genética, um número estimado de testes é exibido na guia Configurações. Calcula-se pela seguinte fórmula: Tamanho da população (Número incondicional de gerações Número de gerações para estimativa da convergência) O tamanho da população é calculado com base no número de possíveis combinações de parâmetros de optimização, pode variar de 64 a 256 O número incondicional de gerações pode variar de 15 a 31. É definido pela presença de melhoria do critério de otimização. 15 gerações são testadas em todas as otimizações. Se uma geração dentro do intervalo entre 15 e 31 não tiver qualquer melhoria do critério de otimização, um teste adicional das próximas gerações é iniciado para estimativa de convergência. O número de gerações para estimativa de convergência é calculado como um terço do número incondicional de gerações. Se o número incondicional de geração é 18 (a 17 ª geração mostrou o melhor resultado e não há melhorias mostradas pela 18 ª geração), em seguida, outras 5 gerações são testadas: a 18 ª geração não mostrou qualquer melhoria, E para a estimativa da convergência precisamos 18/3 6 gerações sem melhorias do critério de otimização. Se não houver melhorias mostradas pelo número especificado de gerações, a otimização será interrompida. Se o número total de etapas de otimização exceder 1.000.000 em um sistema de 32 bits ou 100.000.000 em um sistema de 64 bits, o modo de otimização genética será iniciado automaticamente. Durante a otimização genética. Os resultados intermediários são salvos no cache após o cálculo de cada geração (em um arquivo platformdatafolder / tester / cache /.gen). Assim, o processo de otimização pode ser interrompido a qualquer momento. Mesmo se o processo de otimização genética for interrompido como resultado de um fator externo (por exemplo, falha de energia), a otimização será automaticamente continuada da última geração calculada na próxima partida. O cache de otimização genética é armazenado até que as configurações de otimização sejam alteradas ou o processo de otimização seja concluído. Em uma parada regular de otimização (quando você pressiona o botão Parar) todas as execuções previamente calculadas são salvas. Quando o processo de otimização é retomado, continua a partir da última execução calculada. Todos os Símbolos Selecionados no Market Watch Ao contrário dos tipos de otimização acima descritos, este permite testar um Expert Advisor com os mesmos parâmetros de entrada. Mas com símbolos diferentes. Apenas o símbolo principal do teste é alterado em cada passe, ou seja, o símbolo do gráfico ao qual o EA seria anexado. A otimização é realizada apenas para símbolos que são atualmente escolhidos no Market Watch. Assim, você pode gerenciar a otimização ajustando o conjunto de símbolos selecionados. Observe que o download de dados de preços necessários do servidor pode levar muito tempo. No entanto, o abrandamento da optimização como resultado do descarregamento de dados ocorre apenas durante o primeiro lançamento de um símbolo, da próxima vez apenas os dados em falta são descarregados. Os valores atuais dos parâmetros de entrada especificados no campo quotValuequot são usados para a otimização por símbolos. Critério de otimização Um critério de otimização é um determinado fator, cujo valor define a qualidade de um conjunto de parâmetros testados. Quanto maior o valor do critério de otimização, melhor será o resultado do teste com o conjunto de parâmetros fornecido. Esse fator pode ser selecionado em um campo à direita de quotOtimização na guia Configurações. O critério de otimização é requerido apenas para o algoritmo genético. Os seguintes critérios de otimização estão disponíveis: Saldo máximo o valor mais alto do saldo Saldo máximo Fator de lucro o maior valor do produto do saldo e fator de lucro Saldo máximo Esperado Pague o valor do produto do saldo eo saldo esperado Saldo min Drawdown neste O valor do saldo eo nível de levantamento são levados em conta: Saldo / Equity drawdown Saldo max Recovery Factor o produto do saldo e do fator de recuperação Balanço max Sharpe Relação o valor do produto do balanço e Sharpe relação Custom max o critério de otimização Aqui está o valor da função OnTester () no Expert Advisor. Este parâmetro permite o uso de qualquer valor personalizado para a otimização de Expert Advisors. Un passo importante nella progettazione di un sistema de negociação de sistema automático nellottimizzazione dei parametri (entrada detti). Metatrader dispone di una funzione di ottimizzazione che ci consente di individuare i valori degli input che ci consentono di fare rendere al meglio i nostri Advisor sui dati storici (Backtesting). Come yes effect on the top of the window (Clique para ampliar). Teste o testeur. Scegliamo nei vari menu a tendência do nome da estratégia, o tempo de duração do teste (fig. 1). Come secondo passo clicchiamo su Propriet esperte. Siga-nos no Twitter e no Twitter Adicione à sua lista de favoritos Experto Conselheiro. Nellesempio di Fig. 2 decidamo di ottimizzare e primi due parametri (uma mídia móvel e um coeficiente de penetração na mídia). Nella colonna Valore é o parâmetro padrão. Nella colonna Avvio foi o primeiro a avaliar este livro. Em Arresta lultimo valore che testeremo. Em Passo mettiamo il valore minimo di incremento. Nel concreto nel nostro caso da mídia mobile sar ottimizzata da uma lunghezza di 20 fino a 200 passando por i valore 30, 40, 50 (ossia di 10 in 10 come incremental). Confermiamo il tasto ok e poi flagghiamo la casella ottimizzazione vêm na fig. 3. Clicchiamo su Avvio. Metatrader effettua lottimizzazione dei parametri eci restituisce i risultati e il grafico dellottimizzazione (Fig. 4). Um ponto de venda pode ser calculado de acordo com o princípio do lucro líquido. Clique aqui para ver a versão em Inglês deste artigo: ITA: Trader analista quantitativo: da oltre 15 annie progetta sistemi di trading e di gestione Del rischio automatizzati por clienti istituzionali (fondi, Sgr e tesorerie di banche) su azioni, bond, valute e futuros. E39 gestor de carteira de um fundo de uma Sicav lussemburghese. E39 stato per 4 anni capo da equipe de pesquisa de uma empresa italiana em seguimento Senior Quant Analyst e Gestore per una SGR londinese. Attualmente coordinatore RampD di Cybertrade. Societ specializzata nella ricerca quantitativa e progettazione di robotrader e roboadvisor. Enricomalverti ENG: A Enrico Malverti desenvolveu sistemas de negociação automatizada para clientes institucionais (fundos, empresas de gestão de ativos e tesourarias de bancos) em ações, títulos, moedas e futuros há mais de 15 anos. Ele é o autor de vários best-seller livros sobre sistemas de negociação e análise técnica, incluindo 8220Trading sistemas vincenti8221 publicado pela Hoepli. Ele também foi um orador apreciado em vários seminários nacionais e internacionais sobre comércio automatizado por quase uma década. O coordenador de Hebers, RampD, na Cybertrade, uma empresa especializada na construção de robotsraders e roboadvisores. Enrico cobriu o papel de Chief Investment Officer em uma empresa italiana de Consultoria Financeira por quatro anos e de 2013 a 2015 foi Analista Quantitativo Sênior para uma empresa de gestão inglesa.160 enricomalverti Formulário de contato
No comments:
Post a Comment